computer-vision

3D Reconstruction

AktywnyOpublikowano: 9 listopada 2026Aktualizacja: 9 listopada 2026Opublikowany

Dziedzina wizji komputerowej zajmująca się odtwarzaniem trójwymiarowej geometrii i wyglądu obiektów lub scen z obrazów 2D, wideo lub skanów głębi.

Kluczowa innowacja

Przekształcenie zbiorów dwuwymiarowych obrazów lub pomiarów głębi w spójną trójwymiarową reprezentację geometrii i wyglądu sceny bez ręcznego modelowania.

Kategoria

computer-vision

Poziom abstrakcji

Technika

Poziom operacji

ModelSystemSterowanie robotem

Zastosowania

Rozszerzona i wirtualna rzeczywistość (AR/VR)Robotyka i SLAM (percepcja, nawigacja)Kartografia 3D i mapy geoprzestrzenneCyfrowe bliźniaki i modele świataObrazowanie medyczne i diagnostykaDigitalizacja dziedzictwa kulturowegoEfekty specjalne i produkcja filmowaMetrologia i kontrola jakości

Jak działa

Typowy pipeline pasywny zaczyna od wykrycia i dopasowania cech między obrazami, następnie Structure-from-Motion estymuje pozy kamer i rzadką chmurę punktów (często z optymalizacją bundle adjustment). Multi-View Stereo zagęszcza geometrię do gęstej chmury punktów lub map głębi, które łączy się w siatkę lub inną reprezentację. Metody neuronowe (NeRF) uczą ciągłej funkcji objętościowej mapującej współrzędne i kierunek patrzenia na kolor i gęstość, renderowanej przez volume rendering; 3D Gaussian Splatting reprezentuje scenę zbiorem anizotropowych gaussianów rasteryzowanych w czasie rzeczywistym. Metody aktywne (światło strukturalne, LiDAR, ToF) mierzą głębię bezpośrednio, pomijając etap dopasowania cech.

Rozwiązany problem

Ręczne modelowanie 3D jest czasochłonne i nie skaluje się do rzeczywistych, złożonych scen. Rekonstrukcja 3D automatyzuje tworzenie wiernych modeli geometrii i wyglądu bezpośrednio z obrazów lub pomiarów, umożliwiając cyfrowe odwzorowanie realnego świata na dużą skalę.

Komponenty

Structure-from-Motion (SfM)Estymacja póz kamer i rzadkiej geometrii

Odtwarza pozy kamer i rzadką chmurę punktów 3D z dopasowanych cech na wielu obrazach, zwykle z globalną optymalizacją bundle adjustment.

Multi-View Stereo (MVS)Zagęszczanie geometrii

Na podstawie znanych póz kamer oblicza gęstą geometrię (mapy głębi lub gęstą chmurę punktów), którą łączy w powierzchnię.

Estymacja głębi / dopasowanie stereoOdwzorowanie głębi per-piksel

Wyznacza głębię dla pikseli z pary lub wielu obrazów albo bezpośrednio z pojedynczego obrazu (depth estimation).

Reprezentacja 3D scenyFormat zapisu geometrii i wyglądu

Siatka (mesh), chmura punktów, woksele, SDF lub reprezentacje neuronowe/rasteryzacyjne jak NeRF i 3D Gaussian Splatting.

Oficjalna

Implementacja

Implementacje referencyjne

COLMAP

C++/CUDA/Python · Johannes Schönberger i in.

Oficjalna

3D Gaussian Splatting (official)

Python/CUDA · Inria GRAPHDECO

Oficjalna

Pułapki implementacyjne

Powierzchnie bez tekstury i odbijająceWysoka

Brak wyraźnych cech psuje dopasowanie w SfM/MVS, prowadząc do dziur i artefaktów.

Rozwiązanie:Dodatkowe widoki, czujniki aktywne (LiDAR/światło strukturalne) lub priory neuronowe.

Błędy kalibracji i póz kamerWysoka

Niedokładne parametry kamer propagują się na całą rekonstrukcję.

Rozwiązanie:Staranna kalibracja i bundle adjustment.

Niejednoznaczność skali (mono)Średnia

Rekonstrukcja z pojedynczej kamery jest określona z dokładnością do skali.

Rozwiązanie:Znany obiekt odniesienia, stereo lub czujnik głębi.

Przeuczenie do widoków treningowych (NeRF/3DGS)Średnia

Reprezentacje neuronowe/gaussowskie mogą słabo ekstrapolować poza zaobserwowane ujęcia.

Rozwiązanie:Regularyzacja, więcej zróżnicowanych widoków.

Ewolucja

2000

Geometria wielowidokowa

Formalizacja Structure-from-Motion i geometrii wielowidokowej (Hartley i Zisserman, Multiple View Geometry in Computer Vision).

2016

COLMAP

Ogólnego przeznaczenia potok SfM i MVS (Schönberger i Frahm), który stał się de facto standardem rekonstrukcji z obrazów.

Structure-from-Motion Revisited (artykuł)

2020

NeRF (Neural Radiance Fields)

Punkt przełomowy

Neuronowe pola promienistości umożliwiły fotorealistyczną syntezę nowych widoków z ciągłej reprezentacji objętościowej.

NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (artykuł)

2023

3D Gaussian Splatting

Punkt przełomowy

Rasteryzacja anizotropowych gaussianów dała jakość pól promienistości przy renderowaniu w czasie rzeczywistym.

3D Gaussian Splatting for Real-Time Radiance Field Rendering (artykuł)

Hiperparametry (konfigurowalne osie)

Reprezentacja scenyKrytyczna

Mesh / chmura punktów / woksele / SDF / NeRF / 3D Gaussian Splatting.

Modalność wejściaWysoka

Obrazy, wideo, stereo, światło strukturalne, LiDAR/ToF.

Kalibracja kameryWysoka

Czy pozy/parametry kamer są znane, czy estymowane.

Liczba widokówWysoka

Od pojedynczego obrazu po setki/tysiące ujęć.

Gęstość wynikuŚrednia

Rekonstrukcja rzadka vs gęsta.

Równoległość

Poziom równoległości

Częściowo równoległy

Etapy per-piksel/per-punkt i rasteryzacja są silnie równoległe (GPU), natomiast Structure-from-Motion i bundle adjustment są iteracyjne i częściowo sekwencyjne.

Zakres

Inferencja